scikit-learn:支持向量机。精度和/或准确度?

Posted

技术标签:

【中文标题】scikit-learn:支持向量机。精度和/或准确度?【英文标题】:scikit-learn: Support Vector Machine. Precision and/or accuracy? 【发布时间】:2016-08-19 05:04:22 【问题描述】:

我试图弄清楚我使用的代码是计算精度还是准确度,或者两者兼而有之。由于我只有一点统计学背景(用另一种语言),我不太了解涵盖该主题的 Wikipedia 文章](https://en.wikipedia.org/wiki/Accuracy_and_precision)。

具体来说,我使用以下 Python 代码:

from sklearn import svm, cross_validation clf = svm.SVC(kernel=kernel, C=C) scores = cross_validation.cross_val_score(clf, FeatureMatrix, np.squeeze(LabelMatrix), cv=d_inds)

scikit-learn 函数的文档可以在这里找到:

sklearn.svm.SVC sklearn.cross_validation.cross_val_score

【问题讨论】:

【参考方案1】:

默认情况下,cross_val_score 使用分类器的score 方法(通常这是准确率)。如果您想指定另一个指标,请将其传递给scoring 参数,就像cross_val_score(clf, X, y, scoring = 'precision') 一样。有关评分选项的完整列表,请查看http://scikit-learn.org/stable/modules/model_evaluation.html

【讨论】:

以上是关于scikit-learn:支持向量机。精度和/或准确度?的主要内容,如果未能解决你的问题,请参考以下文章

使用 scikit-learn 对多类支持向量机进行参数优化

02-35 scikit-learn库之支持向量机

机器学习二十三:scikit-learn 支持向量机算法库总结

[机器学习与scikit-learn-34]:算法-分类-支持向量机SVM的基本简介与基本原理-线性分类

想要在不使用 Scikit-Learn 的情况下在 python 中构建支持向量机的真正建议 [关闭]

[机器学习与scikit-learn-35]:算法-分类-支持向量机-线性分类代码示例